UCINET软件是由加州大学欧文（Irvine）分校的一群网络分析者编写的。现在对该软件进行扩展的团队是由斯蒂芬·博加提（Stephen Borgatti）、马丁·埃弗里特（Martin·Everett）和林顿·弗里曼（Linton Freeman）组成的。 UCINET网络分析集成软件包括一维与二维数据分析的NetDraw，还有正在发展应用的三维展示分析软件Mage等，同时集成了Pajek用于大型网络分析的Free应用软件程序。利用UCINET软件可以读取文本文件、KrackPlot、Pajek、Negopy、VNA等格式的文件。它能处理32 767个网络节点。当然, 从实际操作来看，当节点数在5000～10000之间时，一些程序的运行就会很慢。 社会网络分析法包括中心性分析、子群分析、角色分析和基于置换的统计分析等。 另外，该软件包有很强的矩阵分析功能，如矩阵代数和多元统计分析。它是目前最流行的，也是最容易上手、最适合新手的社会网络分析软件。

UniNet-Pytorch Pytorch端口。 虹膜识别的准确，通用的深度学习框架。 参考： Zhao Zijing和Ajay Kumar，“使用深度学习的空间对应特征实现更准确的虹膜识别”，计算机视觉国际会议（ICCV），聚焦，意大利威尼斯，2017年。 安装 Python 3.6 火炬1.0+ 火炬视觉0.2.2+ OpenCV3.4 咖啡（可选） tqdm（可选） 代码结构 ICCV17_版本本文附带的源代码和Caffe模型 楷模本文附带的源代码和Caffe模型 效用 caffemodel2pth.py 将网络参数从caffemodel导出为pytorch pth格式 标准化虹膜图像归一化功能。 normalize_tool.py 虹膜归一化工具。 左键单击以标记，右键单击以绘制一个圆（至少3个点），“ q”键确认，其他键取消 虹膜优先，瞳Kong后 seg

rt 非扫描版 清晰 目录 第一章 社会网络分析简介 第二章 整体网研究概要 第三章 社会网络的形式化表达 第四章 中心性——权力的量化研究 第五章 QAP——测量“关系”之间关系的方法